大二上學期a概率與統(tǒng)計

上機案例：謝馥春廣告文本:A廣告文本:B廣告文本:C廣告文本:D

Beforebuildingthemodel,let’splaywiththedatafirst.對于連續(xù)型數(shù)據(jù)，我們可以畫直方圖。如對于年齡這一連續(xù)型變量對于品質(zhì)型數(shù)據(jù)，我們可以畫餅圖或條形圖。如對于性別這一品質(zhì)型變量,我們先做描述性統(tǒng)計

離散變量計數(shù):性別性別計數(shù)百分比

03933.91

17666.09N=115對于性別這一品質(zhì)型變量，然后我們可以畫餅圖我們還可以畫條形圖對于兩個連續(xù)型數(shù)據(jù)，我們可以畫散點圖來看它們之間的關系。如對于“年齡”和“總購買傾向”這兩個連續(xù)型變量我們還可以算它們的相關系數(shù)

相關:年齡,TotalBuyIntention年齡和TotalBuyIntention的Pearson相關系數(shù)=-0.088對于兩個品質(zhì)型數(shù)據(jù)，我們可以畫列聯(lián)表來看它們之間的關系。如對于“Type”和“Buy”這兩個品質(zhì)型變量匯總統(tǒng)計量:Type,Buy行:Type列:Buy

01全部A22729

75.8624.14100.00B25328

89.2910.71100.00C111728

39.2960.71100.00D201030

66.6733.33100.00全部7837115

67.8332.17100.00單元格內(nèi)容:計數(shù)

%行Pearson卡方=17.237,DF=3,P值=0.001似然率卡方=17.646,DF=3,P值=0.001對于連續(xù)型數(shù)據(jù)和品質(zhì)型數(shù)據(jù)，我們可以按照品質(zhì)型數(shù)據(jù)的分類來看連續(xù)型數(shù)據(jù)。如對于“Type”和“TotalBuyIntention”一個品質(zhì)型變量，一個連續(xù)型變量

Now,let’smovetothemodel.Createdummyvariables

Thevariable“Type”hasfourlevels(A,B,CandD).Soweneedtocreate3dummyvariables.在做具體的建立模型之前有必要對連續(xù)型的解釋變量進行相關性的分析,目的是避免多重共線性的發(fā)生（自變量之間的高度的相關關系,這種高度的相關會直接導致模型所作的估計不準確,影響最后的結(jié)果）。38識別多重共線性自變量的相關矩陣；方差膨脹因子(VarianceInflationFactors,簡記作VIF)。VIF越大說明多重共線性問題越嚴重。經(jīng)驗法則：VIF>10VIF>10，多重共線性嚴重，刪掉一個變量回歸中只放“年齡”，不放“工齡”多元線性回歸的局限因變量Y必須是連續(xù)性變量而社會生活中所涉及的大量決策是定類變量（某幾個選擇，或“是否”兩種類型選擇）因變量Y

只能取兩個值（如：0和1）。這時，我們可以用邏輯回歸模型。Logistic回歸因變量y只能取兩個值（如：0和1）。Logistic回歸模型如對于“